В Телеграме есть функция "Похожие каналы". Не знаю, как платформа оценивает похожесть, но, думаю, что это комбинированная метрика из подписчиков и ключевых слов.
Так вот, тёзка Denull сделал прикольный кластеризатор каналов. Я просканировал свой канал на глубину 3 и обозначил кластеры.
Какие интересные выводы из этого можно сделать:
1. Каналов про айти так много (возможно именно в ближайших к моему, но я думаю, что и в целом), что они, в свою очередь, тоже делятся на выраженные кластеры: мобилки, фронт, дизайн и т.д.
2. Больше всего айтишных каналов про ML. Это очень модно.
3. Канал ровно на серединке между "Мобильной разработкой" и "Компьютерной безопасностью" — это канал про компьютерную безопасность в мобильной разработке! Прикольно.
4. Каналы со всякими новостями практически неотделимы от каналов с политикой.
5. Если якобы тематический канал находится очень близко к кластеру "Новости и политика", то, вероятно, этот канал часто постит нетематический ширпотребный мусор для разгона трафика. То есть, я бы на такие не подписывался.
6. Вообще нет кластера по настолкам. Похоже, эта тема довольно слабо освещается в блогах.
7. Стартапы и инвестиции находятся где-то между политикой и машинным обучением. Неспроста.
#web
https://bit.ly/coroutines
At Open Source Bridge and #PyGotham in 2015, and at SCALE14x, I demonstrated that you can code a Python 3 #async framework in under an hour. I start the demo by writing a callback-based async framework, built on non-blocking sockets and a simple event loop. Then I adapt the framework to use generator-based #coroutines, which are cleaner than callbacks but still more efficient than threads for async I/O.